Επεξεργασία Ηλεκτροεγκεφαλογραφήματος Υπό Την Παρουσία Ηλεκτρομαγνητικής Ακτινοβολίας 1800mhz Με Χρήση Πολλαπλής Συνολοκλήρωσης

Abstract

Η διπλωματική εργασία πραγματεύεται την επεξεργασία ανθρώπινου ηλεκτρο-εγκεφαλογραφήματος αξιοποιώντας τα εργαλεία της θεωρίας χρονοσειρών. Θαχρησιμοποιήσουμε την μέθοδο της πολλαπλής συνολοκλήρωσης σε έτοιμα δεδομέναηλεκτροεγκεφαλογραφήματος, στο οποίο θα αναφερόμαστε με τη συντομογραφία EEG.Σκοπός της εργασίας είναι να εξετάσει την επίδραση της ηλεκτρομαγνητικήςακτινοβολίας 1800MHz στο ηλεκτροεγκεφαλογράφημα του ανθρώπου και να διαπιστώσειτυχόν μεταβολές του EEG που οφείλονται στην ακτινοβόληση.Η θεωρία Χρονοσειρών αποτελεί ως επί το πλείστον εργαλείο της ΟικονομικήςΕπιστήμης και η χρήση της στη μελέτη EEG αποτελεί μία σχετικά νέα και ανεξερεύνητηπεριοχή. Σκοπός της εργασίας είναι να εξετάσει κατά πόσον η έννοια της πολλαπλήςσυνολοκλήρωσης μπορεί να εφαρμοστεί αποτελεσματικά στην επεξεργασία EEG.Επιπλέον σκοπός της εργασίας είναι να εκτιμήσει την επίδραση τηςηλεκτρομαγνητικής ακτινοβολίας 1800MHz στο ηλεκτροεγκεφαλογράφημα του ανθρώπουκαι να διαπιστώσει τυχόν μεταβολές του EEG που οφείλονται στην ακτινοβόληση.Στο αρχικό κομμάτι της εργασίας θα μελετήσουμε τη φυσιολογία του εγκεφάλου καιτην ηλεκτρική του φύση, τα προκλητά δυναμικά και το ηλεκτροεγκεφαλογράφημα. Ημελέτη αυτή είναι απαραίτητη για να κατανοήσουμε την φύση του EEG και τους λόγους γιατους οποίους είναι χρήσιμη η επεξεργασία του. Στη συνέχεια θα περιγράψουμε τηνπειραματική διάταξη με την οποία έγινε λήψη του EEG.Το επόμενο κομμάτι της μελέτης αφορά την θεωρία Χρονοσειρών και της έννοιες τηςστασιμότητας, της ολοκλήρωσης και της συνολοκλήρωσης που θα αναλύσουμε διεξοδικά.Με χρήση του λογισμικού Matlab, αναπτύξαμε ένα πρόγραμμα που εξετάζει τηνπολλαπλή συνολοκλήρωση των 15 διαφορετικών καναλιών του EEG. Χρησιμοποιήσαμεδεδομένα EEG ανθρώπων που είτε εκτίθενται σε RF ακτινοβολία, είτε όχι. Πειραματικά,αυτό επιτυγχάνεται λαμβάνοντας το ηλεκτροεγκεφαλογράφημα με ανοιχτή και κλειστήτην κεραία της πηγής ακτινοβολίας. Η λήψη EEG έχει γίνει σε άτομα και των δύο φύλων,έτσι μπορούμε να μελετήσουμε δημογραφικές ομάδες ανδρών και γυναικών χωριστά.Στη συνέχεια έγινε στατιστική επεξεργασία των αποτελεσμάτων με χρήση τουλογισμικού SPSS και παρατίθενται τα αποτελέσματα.The diplomatic thesis is involved with the processing of the humanelectroencephalogram (EEG) based on the Time Series theory. The method of multiplecointegration will be used on available given EEG data.Time Series theory is mainly used as a tool in the economic sciences and its use in thestudy of EEG is a relatively new and non-investigated area. The purpose of this study is toexamine to what extent the multiple cointegration method can be applied effectively in theprocessing of the EEG. In addition, the effect of 1800MHz electromagnetic radiation on thehuman EEG and the detection of possible changes in the EEG which are due to the radiationwill be investigated.The 1st phase of this work will involve the study of the physiology of the brain and itselectrical nature, the evoked potentials and the EEG per se. This review is deened necessaryin order to understand the nature of the EEG and the reasons why its processing is useful.The differentiated experimental setting under which the EEGs were recorded andanalyzed will be also described. The following part of this study is concerned with the TimeSeries Theory and meanings of stationarity, integration and cointegration which will beanalyzed and scrutinized. With the use of Matlab, a program was deloved which detects thepossible multiple cointegration of 15 different EEG channels.The data analyzed was obtained from two recorded EEGs from the same person whichwas exposed to 1800MHz radiation in one of the two recordings in a single blind fashion.Experimentaly this was achieved by recording the EEG with the radiation source power onand of. The EEG recordings were applied to both males and females. As a result, we canstudy different demographic groups of males and females separately. The statistical analysisof the results was performed using SPSS.